基于低秩结构提取的高光谱图像压缩表示

BillScot2

摘 要：为实现高效、精准的高光谱图像分类，该文利用低秩矩阵恢复从原始数据中提取低维特征，实现高光谱图
, B+ v- z  ]- c: b像的压缩表示。针对高光谱应用的特殊性，该文算法基于结构相似性度量(Structural Similarity Index Measurement,
) F3 `5 V) |: O7 A' u- uSSIM)对矩阵恢复过程提出了信噪分离约束，有助于选择更优的模型参数，增强表示的准确性。实验证明，相比现
有相关方法，该文算法能够有效去除高光谱图像中的噪声，表示结果更为鲁棒；在仅使用低维特征时，仍能达到较
高的分类精度。
) `: [4 d9 U% Q4 W6 p2 O关键词：高光谱图像分类；压缩表示；低秩矩阵恢复
1 引言
9 t% W3 _' }6 _高光谱图像分类是信号处理、机器学习和计算
; I# A% {+ u) @0 C0 |; F' h机视觉等多学科交叉的研究热点之一，在生态研究、
地质探测、军事侦查等方面均有重要应用[1,2]。在遥
感领域，这种分类是指为空间位置上的每个像素分
& d% R$ W7 J# Y- `* {" A" _* z配一个标签，表明该像素的地物类别，其结果可用
) r6 |- I1 m7 X5 _+ }6 m; f于目标探测或感兴趣区域的提取。高光谱图像为地
$ p- \- P( k: e) p% {% c6 n
1 @( D: A1 G" z, p, k( \
6 S" ]8 y5 B% m9 ^; I% V, Z
" N: Z+ D7 d3 ]8 h
. |6 U; N; Q6 @
附件下载:

游客，如果您要查看本帖隐藏内容请回复

8 i) ?5 }0 F6 E

crime

谢谢分享